“用R进行调节效应分析”的版本间的差异

来自OBHRM百科
跳转至： 导航、 搜索
（→‎脚本与注释）
 
（未显示同一用户的7个中间版本）
第1行： 第1行：
−
调节效应分析可以用pequod包来完成。分析之前需要先安装pequod包，安装方法，请在R控制台输入：install.packages("pequod")。
+
<b><font color="blue">使用R进行统计分析，是免费用正版软件进行统计分析。</font></b>
 +
 
 +
调节效应分析可以用pequod包来完成。分析之前需要先安装pequod包，安装方法，请在R控制台输入：install.packages("pequod")。了解pequod包的详细资料，请阅读pequod manual。
  
 
==脚本与注释==
 
==脚本与注释==
第6行： 第8行：
 
library(pequod) # 启用pequod包
 
library(pequod) # 启用pequod包
 
model1<-lmres(adjdep~adjsimp*adjfatal, centered=c("adjsimp", "adjfatal"),data=Ginzberg) #使用pequod包中的lmres()函数进行分析
 
model1<-lmres(adjdep~adjsimp*adjfatal, centered=c("adjsimp", "adjfatal"),data=Ginzberg) #使用pequod包中的lmres()函数进行分析
−
summary(model1, type="nested")  # 显示结果</pre>
+
                                                  # 因变量为adjdep；自变量有：adjsimp，adjfatal，adjsimp与adjfatal的交互效应。
 +
summary(model1, type="nested")                    # 显示结果
 +
S_slopes<-simpleSlope(model1,pred="adjsimp",mod1="adjfatal")  # 计算simple slope
 +
summary(S_slopes)                                            # 显示simple slope的结果
 +
PlotSlope(S_slopes,namemod=c("高","低"))                      # 画图
 +
</pre>
  
 
==结果==
 
==结果==
 +
<pre>> summary(model1, type="nested")
 +
**Models**
 +
 +
Model 1: adjdep ~ adjsimp + adjfatal
 +
<environment: 0x000000000c1fb4c0>
 +
 +
Model 2: adjdep ~ adjsimp + adjfatal + adjsimp.XX.adjfatal
 +
<environment: 0x000000000c1fb4c0>
 +
 +
 +
**Statistics**
 +
 +
          R    R^2  Adj. R^2  Diff.R^2  F    df1  df2              p.value   
 +
Model 1  0.66  0.43      0.42      0.43 30.19  2.00  79 <0.0000000000000002 ***
 +
Model 2:  0.68  0.47      0.45      0.03 22.76  3.00  78 <0.0000000000000002 ***
 +
---
 +
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
 +
 +
 +
**F change**
 +
 +
  Res.Df  RSS    Df Sum of Sq    F Pr(>F) 
 +
1  79.00 11.48                             
 +
2  78.00 10.80  1.00      0.68 4.91  0.03 *
 +
---
 +
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
 +
 +
 +
**Coefficients**
 +
 +
                    Estimate  StdErr t.value  beta              p.value   
 +
-- Model 1 --                                                             
 +
                                                                         
 +
(Intercept)          1.0000  0.0421 23.7569      < 0.0000000000000002 ***
 +
adjsimp              0.3663  0.1004  3.6486  0.37              0.00047 ***
 +
adjfatal              0.3845  0.1004  3.8294  0.38              0.00026 ***
 +
                                                                         
 +
                                                                         
 +
-- Model 2 --                                                             
 +
                                                                         
 +
(Intercept)          1.0420  0.0452 23.0281      < 0.0000000000000002 ***
 +
adjsimp              0.4568  0.1062  4.3027  0.46              0.00005 ***
 +
adjfatal              0.4050  0.0984  4.1142  0.40              0.00010 ***
 +
adjsimp.XX.adjfatal  -0.3168  0.1430 -2.2160 -0.21              0.02961 * 
 +
---
 +
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1</pre>

2017年5月6日 (六) 01:50的最新版本

使用R进行统计分析，是免费用正版软件进行统计分析。

调节效应分析可以用pequod包来完成。分析之前需要先安装pequod包，安装方法，请在R控制台输入：install.packages("pequod")。了解pequod包的详细资料，请阅读pequod manual。

脚本与注释

library(car)    # 启用car包。如果没有安装，请先按安装。安装方法，请在R控制台输入：install.packages("car")
data(Ginzberg)  # 调用car包中的Ginzberg数据
library(pequod) # 启用pequod包
model1<-lmres(adjdep~adjsimp*adjfatal, centered=c("adjsimp", "adjfatal"),data=Ginzberg) #使用pequod包中的lmres()函数进行分析
                                                  # 因变量为adjdep；自变量有：adjsimp，adjfatal，adjsimp与adjfatal的交互效应。
summary(model1, type="nested")                    # 显示结果
S_slopes<-simpleSlope(model1,pred="adjsimp",mod1="adjfatal")  # 计算simple slope
summary(S_slopes)                                             # 显示simple slope的结果
PlotSlope(S_slopes,namemod=c("高","低"))                      # 画图

结果

> summary(model1, type="nested")
**Models**

Model 1: adjdep ~ adjsimp + adjfatal
<environment: 0x000000000c1fb4c0>

Model 2: adjdep ~ adjsimp + adjfatal + adjsimp.XX.adjfatal
<environment: 0x000000000c1fb4c0>


**Statistics**

           R    R^2   Adj. R^2   Diff.R^2   F    df1  df2              p.value    
Model 1   0.66  0.43      0.42       0.43 30.19  2.00   79 <0.0000000000000002 ***
Model 2:  0.68  0.47      0.45       0.03 22.76  3.00   78 <0.0000000000000002 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1


**F change**

  Res.Df   RSS    Df Sum of Sq    F Pr(>F)  
1  79.00 11.48                              
2  78.00 10.80  1.00      0.68 4.91   0.03 *
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1


**Coefficients**

                    Estimate  StdErr t.value  beta              p.value    
-- Model 1 --                                                              
                                                                           
(Intercept)           1.0000  0.0421 23.7569       < 0.0000000000000002 ***
adjsimp               0.3663  0.1004  3.6486  0.37              0.00047 ***
adjfatal              0.3845  0.1004  3.8294  0.38              0.00026 ***
                                                                           
                                                                           
-- Model 2 --                                                              
                                                                           
(Intercept)           1.0420  0.0452 23.0281       < 0.0000000000000002 ***
adjsimp               0.4568  0.1062  4.3027  0.46              0.00005 ***
adjfatal              0.4050  0.0984  4.1142  0.40              0.00010 ***
adjsimp.XX.adjfatal  -0.3168  0.1430 -2.2160 -0.21              0.02961 *  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
取自“http://www.obhrm.net/index.php?title=用R进行调节效应分析&oldid=3489”